00:00Et on termine donc ce cinquième épisode de Future of l'émission avec notre décryptage
00:10consacré au sujet du Marketing Mix Modeling, vous l'avez peut-être suivi, vous Florian
00:15en tout cas c'est sûr, le lancement par Google de Meridian, donc un outil maison destiné
00:20à tous les clients de Google, peut-être une réaction à cette actualité avant de
00:24commencer et de rentrer dans le vif du sujet sur l'utilisation du MMM côté AXA ?
00:29Alors je pense que c'est le fait que des marques comme Google et précédemment Meta
00:36qui avait sorti Robin mettent à disposition de façon open source des solutions de MMM,
00:44ça reflète vraiment l'intérêt et le renouveau qu'il y a autour du MMM et en même temps je
00:54pense que c'est vraiment, si ces marques là et ces plateformes vont jusque là, c'est que
01:00clairement le MMM est de nouveau un pilier très important de la mesure compte tenu du contexte,
01:07juste nous en contexte, de fragmentation des audiences qu'on a évoquées dans l'émission
01:11et de perte un petit peu de granularité, de perte de signaux, du recul et observer les grands
01:16mouvements. Vous chez AXA ça fait longtemps que vous avez développé vos propres outils de MMM ?
01:20Alors nous ça fait plus de dix ans qu'on fait du MMM, on a fait le choix de s'appuyer sur un
01:29partenaire pour nous accompagner là-dessus. Je pense que dans l'assurance et chez AXA notamment
01:37on a une culture de la mesure qui est forte parce que notre métier c'est de gérer les risques donc
01:42très vite ce sont des méthodes qui ont pu être mises en place. Aujourd'hui on opère du MMM sur
01:53plus de 15 pays dans ce cadre là, avec bien entendu des niveaux de maturité, de précision qui peuvent
02:01différer selon les pays, mais effectivement je pense qu'on a une bonne expérience du MMM même
02:10si on continue d'apprendre régulièrement puisqu'à un moment donné on ne peut pas tout mesurer tout
02:17le temps et puis le contexte évolue et donc chaque situation nouvelle fait qu'il y a de
02:24nouvelles choses à interpréter, à comprendre. C'est toujours en fait la difficulté, c'est
02:29finalement quand on voit des nouveaux canaux émerger, ce qu'on a pu évoquer dans l'émission,
02:33que ce soit la CTV ou que ce soit des plateformes spécifiques, il faut un certain recul quand même
02:37pour pouvoir compiler la donnée et voir un peu quelle a été la contribution de ces canaux-là à la
02:42performance globale. Peut-être juste en termes de partenaires, qui vous avez travaillé ? On a travaillé avec Katie Maitray
02:47et Kimitra là. Et par rapport à aussi l'actualité de Google, l'idée c'est de démocratiser le MMM
02:54à beaucoup plus d'annonceurs. Est-ce que finalement tous les annonceurs sont quand même dotés de la
02:59donnée nécessaire ? Enfin j'imagine que pour faire du MMM, pour avoir des choses robustes, il faut
03:04aussi quand même avoir une multitude de canaux qu'on va activer, sinon peut-être que c'est pas
03:09le MMM qui est le plus adapté pour aller mesurer ces campagnes. Alors je pense que sur les canaux,
03:16je ne dirais pas que c'est un point rédhibitoire. Je pense que ce qui est important déjà dans les
03:25prérequis du MMM, on a effectivement la donnée et la qualité de la donnée, qui sont vraiment des
03:33éléments clés. On a un besoin d'historique. Donc en général, il faut au minimum deux ans,
03:40deux ans et demi, voire trois ans d'historique. Donc ça, c'est déjà une forte contrainte dans
03:45des organisations de s'assurer d'avoir cet historique sur la donnée métier, business,
03:51mais aussi sur la donnée média par exemple. Et puis après, avoir la capacité techniquement de
03:59faire tourner du MMM, bien sûr, et surtout d'interpréter les résultats et d'en tirer des
04:05insights qui servent. Maintenant, je pense que le fait que des gens comme Google, Meta, mettent à
04:15disposition en open source des solutions de MMM, ça a notamment une vocation à aider à démocratiser
04:21de plus en plus ces techniques, et notamment pour des annonceurs plus petits ou de taille moyenne,
04:29qui n'auraient pas nécessairement les moyens de monter un programme MMM par rapport à ce que ça
04:38implique. C'est intéressant aussi, ce recul nécessaire, en effet, ces deux ans, deux ans et
04:42demi de données, puisque voilà, on voit en effet de nouveaux canaux émergés. Pourtant, on a hâte
04:49aussi de voir ce qu'Equimetrix va fournir, j'imagine, cette année peut-être, ou en 2026 sur
04:55la CTV, par exemple. On sait que c'est quelque chose qu'ils intègrent de plus en plus à leur
04:59scope. Là, c'est au global, CTV. Est-ce qu'on arrive à avoir la granularité aussi plateforme
05:04par plateforme, par exemple ? Oui, on peut aller regarder et avoir des informations qui soient plus
05:12granulaires, je dirais à la condition que cette donnée soit disponible, et puis aussi d'avoir un
05:21certain niveau d'investissement minimum, puisque le MMM, ce sont des méthodes statistiques. On va
05:29aller quantifier l'impact de chacun des leviers sur nos ventes ou sur la génération d'affaires
05:39nouvelles. Mais si on investit très, très, très peu, à un moment donné, les indicateurs de
05:44fiabilité statistique ne seront pas au rendez-vous. Donc, en fait, je dirais sur le papier, oui, c'est
05:50possible, mais il faut quand même un minimum d'investissement pour pouvoir commencer à mesurer
05:58et à dire des choses. De la grosseur du trait et en tirer des insights intéressants. Alors que c'est
06:02des insights qu'on va être ensuite capables d'activer pour les vagues suivantes de vos
06:06communications. Qu'en est-il sur essayer de se rapprocher, d'optimiser les campagnes en
06:12cours ? Là, j'imagine qu'on va devoir se tourner vers d'autres, peut-être, méthodes. Alors, sur
06:17aujourd'hui, on est quand même sur le MMM, sur une mesure que je qualifierais de froide dans le
06:22temps, dans la mesure où, en fait, on est sur des cycles de production d'un MMM qui sont
06:30relativement longs. Il y a plusieurs phases. Le travail de collecte, de traitement de la donnée
06:36est quand même assez long. Donc, en fait, on va être facilement sur des cycles de trois, quatre
06:41mois avant de sortir des résultats. Aujourd'hui, il y a un travail pour essayer d'automatiser tout
06:49cela et de construire plus de prédictifs. Et pour des gens qui veulent optimiser des campagnes, ce
06:57sont des solutions auxquelles on réfléchit ou d'autres acteurs réfléchissent. Mais ça suppose
07:05quand même une grosse organisation derrière pour s'assurer que la donnée soit bien processée et
07:14pouvoir automatiser au maximum des choses. On a encore, dans nos organisations métiers comme dans
07:24l'écosystème média, beaucoup de données qui n'est pas nécessairement automatisable, qui est
07:31processée très manuellement. Et donc, à un moment donné, l'effort nécessaire pour pouvoir être dans
07:39une production en continu est quand même relativement important. Et donc, ça peut limiter
07:45le fait de s'appuyer sur du MMM pour optimiser en temps réel ces solutions. Maintenant, je pense
07:55qu'il faut utiliser le MMM d'abord pour ce qu'il apporte, c'est-à-dire une vision macro qui va
08:03permettre d'optimiser nos stratégies globalement. Il y a des dimensions tactiques. J'évoquais le fait
08:11qu'on pouvait avoir des analyses plus granulaires. C'est également possible. Maintenant, si on cherche
08:19à remplacer de l'attribution Last Click par du MMM, aujourd'hui, ce n'est pas possible en l'état.
08:27Maintenant, je pense que tout le marché s'oriente vers déjà une meilleure compréhension de la
08:37contribution de chacun de ces leviers. L'intérêt du MMM, c'est qu'il remet aussi en perspective
08:42tout ce qui est investi sur du branding par rapport à des activations plus court terme. Et quand on le
08:50fait, on se rend compte qu'il y a un impact fort de ces investissements et de ces actions. Et en même
08:57temps, c'est une façon aussi de mesurer l'impact à long terme de nos investissements, c'est-à-dire
09:03de sortir simplement de la conversion ou de la génération de business à très court terme. Ce sont
09:12aussi des choses qu'on peut mesurer via le MMM et qui, du coup, permettent de piloter beaucoup
09:19plus fortement et stratégiquement des choix d'allocations dans le temps. Merci beaucoup
09:25Florian pour vos efforts de pédagogie sur ce sujet du MMM. Je pense qu'ils auront comblé
09:31les statisticiens dans l'amont qui vont nous écouter. Merci beaucoup aussi d'avoir accepté
09:37notre invitation. On va conclure sur ce décryptage. Et merci à vous, bien sûr,
09:41aussi de nous avoir suivis. Je vous dis à très vite pour un prochain numéro. Merci Florian.
09:46Merci, à bientôt.
Commentaires